Python正則表示式的7個使用典範
作為一個概念而言,正則表示式對於Python來說並不是獨有的。但是,Python中的正則表示式在實際使用過程中還是有一些細小的差別。
將介紹Python中對字串進行搜尋和查詢的一些方法,討論如何使用分組來處理我們查詢到的匹配物件的子項。
使用的Python中正則表示式的模組通常叫做‘re'。
>>> import re
- Python中的原始型別字串
Python編譯器用‘'(反斜槓)來表示字串常量中的轉義字元。
如果反斜槓後面跟著一串編譯器能夠識別的特殊字元,那麼整個轉義序列將被替換成對應的特殊字元(例如,‘\n'將被編譯器替換成換行符)。
但這給在Python中使用正則表示式帶來了一個問題,因為在‘re'模組中也使用反斜槓來轉義正則表示式中的特殊字元(比如*和+)。
這兩種方式的混合意味著有時候你不得不轉義轉義字元本身(當特殊字元能同時被Python和正則表示式的編譯器識別的時候),但在其他時候你不必這麼做(如果特殊字元只能被Python編譯器識別)。
與其將我們的心思放在去弄懂到底需要多少個反斜槓,我們可以使用原始字串來替代。
原始型別字串可以簡單的通過在普通字串的雙引號前面加一個字元‘r'來建立。當一個字串是原始型別時,Python編譯器不會對其嘗試做任何的替換。本質上來講,你在告訴編譯器完全不要去幹涉你的字串。
>>> string = 'This is a\nnormal string' >>> rawString = r'and this is a\nraw string' >>> print string
這是一個普通字串
>>> print rawString and this is a\nraw string
這是一個原始型別字串。
在Python中使用正則表示式進行查詢
‘re'模組提供了幾個方法對輸入的字串進行確切的查詢。我們將會要討論的方法有:
•re.match() •re.search() •re.findall()
每一個方法都接收一個正則表示式和一個待查詢匹配的字串。讓我們更詳細的檢視這每一個方法從而弄明白他們是如何工作的以及他們各有什麼不同。
- 使用re.match查詢 – 匹配開始
讓我們先來看一下match()方法。match()方法的工作方式是隻有當被搜尋字串的開頭匹配模式的時候它才能查詢到匹配物件。
舉個例子,對字串‘dog cat dog'呼叫mathch()方法,查詢模式‘dog'將會匹配:
>>> re.match(r'dog', 'dog cat dog') <_sre.SRE_Match object at 0xb743e720< >>> match = re.match(r'dog', 'dog cat dog') >>> match.group(0) 'dog'
我們稍後將更多的討論group()方法。現在,我們只需要知道我們用0作為它的引數呼叫了它,group()方法返回查詢到的匹配的模式。
我還暫且略過了返回的SRE_Match物件,我們很快也將會討論到它。
但是,如果我們對同一個字串呼叫math()方法,查詢模式‘cat',則不會找到匹配。
>>> re.match(r'cat', 'dog cat dog') >>>
- 使用re.search查詢 – 匹配任意位置
search()方法和match()類似,不過search()方法不會限制我們只從字串的開頭查詢匹配,因此在我們的示例字串中查詢‘cat'會查詢到一個匹配:
search(r'cat', 'dog cat dog') >>> match.group(0) 'cat'
然而search()方法會在它查詢到一個匹配項之後停止繼續查詢,因此在我們的示例字串中用searc()方法查詢‘dog'只找到其首次出現的位置。
>>> match = re.search(r'dog', 'dog cat dog') >>> match.group(0) 'dog'
- 使用 re.findall – 所有匹配物件
目前為止在Python中我使用的最多的查詢方法是findall()方法。當我們呼叫findall()方法,我們可以非常簡單的得到一個所有匹配模式的列表,而不是得到match的物件(我們會在接下來更多的討論match物件)。對我而言這更加簡單。對示例字串呼叫findall()方法我們得到:
['dog', 'dog'] >>> re.findall(r'cat', 'dog cat dog') ['cat']
- 使用 match.start 和 match.end 方法
那麼,先前search()和match()方法先前返回給我們的‘match'物件”到底是什麼呢?
和只簡單的返回字串的匹配部分不同,search()和match()返回的“匹配物件”,實際上是一個關於匹配子串的包裝類。
先前你看到我可以通過呼叫group()方法得到匹配的子串,(我們將在下一個部分看到,事實上匹配物件在處理分組問題時非常有用),但是匹配物件還包含了更多關於匹配子串的資訊。
例如,match物件可以告訴我們匹配的內容在原始字串中的開始和結束位置:
>>> match = re.search(r'dog', 'dog cat dog') >>> match.start() >>> match.end()
知道這些資訊有時候非常有用。
- 使用 mathch.group 通過數字分組
就像我之前提到的,匹配物件在處理分組時非常得心應手。
分組是對整個正則表示式的特定子串進行定位的能力。我們可以定義一個分組做為整個正則表示式的一部分,然後單獨的對這部分對應匹配到的內容定位。
讓我們來看一下它是怎麼工作的:
>>> contactInfo = 'Doe, John: 555-1212'
我剛才建立的字串類似一個從某人的地址本里取出來的一個片段。我們可以通過這樣一個正則表示式來匹配這一行:
>>> re.search(r'\w+, \w+: \S+', contactInfo) <_sre.SRE_Match object at 0xb74e1ad8<
通過用圓括號來(字元‘('和‘)')包圍正則表示式的特定部分,我們可以對內容進行分組然後對這些子組做單獨處理。
>>> match = re.search(r'(\w+), (\w+): (\S+)', contactInfo)
這些分組可以通過用分組物件的group()方法得到。它們可以通過其在正則表示式中從左到右出現的數字順序來定位(從1開始):
>>> match.group(1) 'Doe' >>> match.group(2) 'John' >>> match.group(3) '555-1212'
組的序數從1開始的原因是因為第0個組被預留來存放所有匹配物件(我們在之前學習match()方法和search()方法到時候看到過)。
>>> match.group(0) 'Doe, John: 555-1212'
- 使用 match.group 通過別名來分組
有時候,特別是當一個正則表示式有很多分組的時候,通過組的出現次序來定位就會變的不現實。Python還允許你通過下面的語句來指定一個組名:
>>> match = re.search(r'(?P<last>\w+), (?P<first>\w+): (?P<phone>\S+)', contactInfo)
我們還是可以用group()方法獲取分組的內容,但這時候我們要用我們所指定的組名而不是之前所使用的組的所在位數。
>>> match.group('last') 'Doe' >>> match.group('first') 'John' >>> match.group('phone') '555-1212'
但是,給分組命名並不適用於findall()方法。
在本文中我們介紹了Python中使用正則表示式的一些基礎,學習了原始字串型別(還有它能幫你解決的在使用正則表示式中一些頭痛的問題)。還學習瞭如何適使用match(), search(), and findall()方法進行基本的查詢,以及如何使用分組來處理匹配物件的子元件。
和往常一樣,如果想檢視更多關於這個主題的內容,re模組的Python官方文件是一個非常好的資源。
最後,如果有想一起學習python,爬蟲,可以來一下我的python群【 784758214 】,內有安裝包和學習視訊資料免費分享,好友都會在裡面交流,分享一些學習的方法和需要注意的小細節,每天也會準時的講一些專案實戰案例。找工作什麼最重要?看中的還是你的實戰經驗
點選:ofollow,noindex">加入